Visualização de dados, documentos dinâmicos e aplicações com R
Thiago Pires | FGV
12 de fevereiro, 2019
Tipos de gráficos
plot()
set.seed(10) # fixando a semente
x <- 1:10
y <- rnorm(10)
plot(x, y, col = "blue") # cores disponíveis em colours()
plot()
set.seed(10)
x <- 1:10
y <- rnorm(10)
plot(x, y, col = "blue", type = "l", xlab = "Tempo", ylab = "Taxa")
points()
set.seed(10)
x <- 1:10
y <- rnorm(10)
z <- rnorm(10)
plot(x, y, col = "blue", type = "l", xlab = "Tempo", ylab = "Taxa")
points(x, z, col = "red", type = "b") # adicionando uma série de dados
ylim
set.seed(10)
x <- 1:10
y <- rnorm(10)
z <- rnorm(10)
plot(x, y, col = "blue", type = "l", xlab = "Tempo", ylab = "Taxa",
ylim = range(c(y, z))) # definindo os limites do eixo y
points(x, z, col = "red", type = "b")
types
set.seed(34)
par(mfrow = c(2, 2))
plot(rnorm(10), type = "l", main = "type = 'l'")
plot(rnorm(10), type = "p", main = "type = 'p'")
plot(rnorm(10), type = "b", main = "type = 'b'")
plot(rnorm(10), type = "s", main = "type = 's'")
lty
set.seed(34)
plot(runif(10), type = "l", lty = 1, ylim = c(0, 1)) # variando o lty de 1 à 4
points(runif(10), type = "l", lty = 2, col = "red")
points(runif(10), type = "l", lty = 3, col = "blue")
points(runif(10), type = "l", lty = 4, col = "tomato")
legend(8, 1, c("lty = 1", "lty = 2", "lty = 3", "lty = 4"), lty = 1:4, # inserindo legenda
col = c("black", "red", "blue", "tomato"))
pch e grid()
set.seed(34)
plot(runif(10), type = "b", col = "blue", pch = 19, # inserindo pch diferentes
panel.first = {grid(lty = 1)}, ylim = c(0, 1)) # inserindo grid()
points(runif(10), type = "b", col = "red", pch = 17)
legend(7.9, 1, c("pch = 19", "pch = 17"),
col = c("blue", "red"), pch = c(19, 17))
lwd
set.seed(34)
plot(runif(10), type = "l", col = "blue", lwd = 2,
panel.first = {grid(lty = 1)}, ylim = c(0, 1))
points(runif(10), type = "b", col = "red", lwd = 4)
legend(7.8, 1, c("lwd = 2", "lwd = 4"),
col = c("blue", "red"), lwd = c(2, 4))
curve()
f <- function(x) (x - 3)*(x - 2)
curve(f, -2, 4, col = "blue")
curve(axes = FALSE)
f <- function(x) (x - 3)*(x - 2)
curve(f, -2, 4, col = "blue", axes = FALSE)
axis(1, pos = 0)
axis(2, las = 1, pos = 0, at = c(-Inf, seq(5, 20, 5)))
points(c(2, 3), c(0, 0), col = "blue", pch = 19)
curve(add = TRUE)
f <- function(x) exp(x)
g <- function(x) -x^2 + 10
curve(f, -4, 3, col = "blue", axes = FALSE, lwd = 3,
panel.first = {grid(lty = 1)}, ylab = "y")
curve(g, col = "tomato", add = TRUE, lwd = 3)
axis(1, pos = 0)
axis(2, las = 1, pos = 0, at = c(-Inf, seq(5, 20, 5)))
legend(-4, 20, c("f", "g"), col = c("blue", "tomato"), lwd = 3)
abline
f <- function(x) 10 + 1/x
curve(f, -1, 1, col = "blue", axes = FALSE, lwd = 3)
axis(1, pos = 0, at = c(-1, -.5, .5, 1))
axis(2, las = 1, pos = 0)
abline(h = 10, lty = 2, col = "tomato", lwd = 3) # adicionando uma linha vertical
hist()
set.seed(35)
x <- rnorm(100)
hist(x, main = "Histograma", col = "red", border = FALSE)
pie()
x <- c(21, 62, 10, 53)
labels <- c("London", "New York", "Singapore", "Mumbai")
pie(x, labels, border = FALSE)
ggplot() + geom_bar()
library(ggplot2)
titanic_train %>%
ggplot(aes(Survived)) + geom_bar()
ggplot() + geom_bar()
titanic_train %>%
ggplot(aes(as.factor(Survived),
(..count../sum(..count..)))) + # neste argumento se calcula a proporção
geom_bar() +
scale_x_discrete(labels = c("Não", "Sim")) + # define as categorias no eixo x
scale_y_continuous(labels = scales::percent) + # apresenta o eixo y em percentual
labs(x = "Sobrevivente", y = "Percentual") # rótulo dos eixos x e y
ggplot() + geom_bar()
titanic_train %>%
ggplot(aes(as.factor(Survived), (..count../sum(..count..)))) +
geom_bar(fill = "#b30000", alpha = .6) + # altera a cor e opacidade
scale_x_discrete(labels = c("Não", "Sim")) +
scale_y_continuous(labels = scales::percent) +
labs(x = "Sobrevivente", y = "Percentual") +
theme_minimal() # mudança de tema
ggplot() + geom_bar()
titanic_train %>%
ggplot(aes(as.factor(Survived), (..count../sum(..count..)),
fill = Sex)) + # preenchimento da barra segundo sexo
geom_bar(alpha = .8, position = "fill") + # position = "fill" a barra é empilhada preenchendo 100%
scale_x_discrete(labels = c("Não", "Sim")) +
scale_y_continuous(labels = scales::percent) +
labs(x = "Sobrevivente", y = "Percentual", fill = "Sexo") + # o argumento 'fill' altera o título da legenda
theme_minimal()
scale_fill_manual()
titanic_train %>%
ggplot(aes(as.factor(Survived), (..count../sum(..count..)),
fill = Sex)) + # preenchimento da barra segundo sexo
geom_bar(alpha = .8, position = "fill") + # position = "fill" a barra é empilhada preenchendo 100%
scale_x_discrete(labels = c("Não", "Sim")) +
scale_y_continuous(labels = scales::percent) +
scale_fill_manual("Sexo", values = c("female" = "black", "male" = "orange")) + # alterar as cores
labs(x = "Sobrevivente", y = "Percentual") + # o argumento 'fill' altera o título da legenda
theme_minimal()
ggplot() + geom_bar() + facet_grid()
titanic_train %>%
ggplot(aes(as.factor(Survived), (..count../sum(..count..)),
fill = Sex)) +
geom_bar(alpha = .8, position = "fill") +
facet_grid(~ Pclass) + # introdução de uma terceira variável na análise
scale_x_discrete(labels = c("Não", "Sim")) +
scale_y_continuous(labels = scales::percent) +
scale_fill_manual("Sexo", values = c("female" = "black", "male" = "orange")) + # alterar as cores
labs(x = "Sobrevivente", y = "Percentual", fill = "Sexo") +
theme_light() # seleção de um outro tema
ggplot() + geom_boxplot()
titanic_train %>%
ggplot(aes(y = Age)) + geom_boxplot() # é necessário definir o y
ggplot() + geom_boxplot()
titanic_train %>%
ggplot(aes(as.factor(Survived), Age)) + geom_boxplot() + # distribuição da variável y segundo a variável x
scale_x_discrete(labels = c("Não", "Sim")) +
labs(x = "Sobrevivente", y = "Idade")
ggplot() + geom_boxplot()
titanic_train %>%
ggplot(aes(as.factor(Survived), Age, fill = Sex)) + geom_boxplot() +
scale_x_discrete(labels = c("Não", "Sim")) +
labs(x = "Sobrevivente", y = "Idade", fill = "Sexo")
ggplot() + geom_boxplot() + facet_grid()
titanic_train %>%
ggplot(aes(as.factor(Survived), Age)) + geom_boxplot() +
facet_grid(. ~ Sex) +
scale_x_discrete(labels = c("Não", "Sim")) +
labs(x = "Sobrevivente", y = "Idade")
ggplot() + geom_boxplot() + facet_grid()
titanic_train %>%
ggplot(aes(as.factor(Survived), Age, fill = Sex)) + geom_boxplot() +
facet_grid(. ~ Pclass) +
scale_x_discrete(labels = c("Não", "Sim")) +
labs(x = "Sobrevivente", y = "Idade", fill = "Sexo")
ggplot() + geom_line()
dengue$interest_over_time %>%
ggplot(aes(date, hits)) + geom_line()
ggplot() + geom_line()
times$interest_over_time %>%
ggplot(aes(date, hits, colour = keyword)) + geom_line()
ggplot() + geom_line()
(g1 <- times$interest_over_time %>%
mutate(semanas = week(date)) %>% # criando a variável semana
group_by(semanas, keyword) %>% # agregando segundo semanas e times
summarise(hits = mean(hits)) %>% # agregando com a média
ggplot(aes(semanas, hits, colour = keyword)) + geom_line() +
labs(x = "Semanas", y = "Hits"))
geom_rect() + geom_text()
g1 + geom_rect(aes(xmin = week("2018-06-14"), # início do período
xmax = week("2018-07-15"), # fim do período
ymin = -Inf, ymax = Inf),
fill = "#b3ff99", colour = "#ffffff", alpha = .006) +
geom_text(aes(26, 20, label = "Copa do mundo"), # texto inserido
angle = 90, show_guide = FALSE) 
geom_text()
titanic_train %>%
group_by(Survived) %>%
summarise(n = n()) %>%
mutate(perc = n/sum(n) * 100) %>%
ggplot(aes(x = as.factor(Survived), y = perc)) + geom_col() +
geom_text(aes(label = perc %>% round(1)),
vjust = 1.5, color = "white", size = 10) # vjust altera a posição vertical do texto
wordcloud()
wordcloud(words = related %>% pull(value), freq = related %>% pull(subject) %>% as.numeric,
colors = brewer.pal(6, "Dark2"), random.order = FALSE)
R Markdown
O R possuí um módulo para a criação de documentos (apresentações, relatórios e dashboards), no qual é possível incorporar códigos em R (e outras linguagem) em documentos no formato Markdown, que poderá ser convertido em .html, .pdf ou .doc. Abaixo como mostra a figura, clicando em R Markdown aparecerá as opções para a criação de documentos.
Opções de documento
Em seguida aparece as opções do documento
flexdashboard
O Flexdashboard poderá ser iniciado em: File > New File > R Markdown > From Template
Estrutura
Na criação da aplicação existe a opção de trabalhar com um ou multiplos scripts (ui e server separados).
